藉由酒業的模型預測控制(MPC)可以完成哪些分析

耗費多年推出產品時，對產品持續成長的需求是好消息，卻也極具挑戰性。因此，當烈酒銷量在2017年連續8年成長4%的時候，供應商也注意到了這點。

該成長需求逼得製酒公司必須在最大化產量的同時，維持成品的品質、配方傳統或生產的一致性。

我們了解釀酒廠如何在不犧牲品質的情況下最大化產量，以及透過模型預測控制(MPC)技術，在不改變配方的情況下提升最佳化。一旦採行MPC，作業人員可完成許多調整以提高產量、做出優質的產品，並且根據分析趨勢最大化產量。

混合分析

MPC負責最佳化工廠設備的效能，並協助作業人員順暢地調整他們的作業工作以改善生產。對流程進行調整時，軟體也會協助您做出接下來的必要調整。

當您開始遇到生產及品質問題時，分析會很有幫助。當機器無法正常運作時，批量生產的品質及生產流程將會受到影響。導入預測性維修及異常偵測能力可讓分析更有幫助。兩者皆透過使用先進的機器學習及其他資料處理技術來尋找操作中的錯誤。

深入了解預測性維修

讓我們更深入探討預測性維修，以了解與MPC計畫合作的分析如何能讓作業人員妥善運用時間及成本地完成任務。

預測性維修應用程式依據預先確定的模型，辨識出設備的運作何時會出現異常。當設備偏離這些標準時，工廠經理及作業人員會收到警報，並且能找出問題，以避免問題發生。這也有助於透過提前修復及減少設備磨損，來降低設備成本。

試想這個預測性維修的攪拌機例子。在發酵的過程中，若攪拌機發生故障，酵母將沉澱而不會與糖徹底發生相互作用，這對成品是有害的。如果沒有徹底攪拌，發酵罐的運作也不如預期。預測性維修應用程式可提醒酒品生產商攪拌機的運作異常，並於流程中確定問題發生的所在。

MPC應用程式中的軟測量模型可更進一步地即時預測品質。分析可評估手動樣品之間的產品品質。軟測量技術可鎖定於作業人員想要密切觀察的任何品質測量參數，這節省了等待實驗室樣品的時間。

異常偵測及程序行為

另一個與MPC相關的分析應用為異常偵測。異常偵測與預測性維修一樣，藉由在設備運作不如預期時，警示作業人員並指出問題的源頭，以節省時間和金錢。

例如，作業人員在釀酒廠清理設備以防止堆積。若沒有從設備中徹底去除腐蝕性的清潔溶液，則會損害酵母並導致不良品。

異常偵測將及早通知作業人員這批產品發生變質，而不是等到生產流程結束才發現到這批產品遭到破壞。有了這些資訊，作業人員可以中止變質產品的生產、完成必要的步驟以補救現況，並重新開始進行恢復的批量生產。

根據知道如何完美執行操作的模型，分析可確定哪些設備會發生故障，並指出原因。有了這些資訊，作業人員更能掌握狀況，並減少或避免問題。

 分析將會成長

總之，MPC與分析相結合可以減少意外停機時間、提高生產力、提升產量、改善品質並提高成品的一致性。這意味著作業人員及管理人員可以專注於重要的任務，而不是忙著找出問題或擔心偏離傳統配方。

從更一般的角度來看，分析是有益的，因為它們讓工廠作業人員及管理人員得知並充分了解他們的設備。

雖然在飲料業中導入分析是全新且仍在發展中的嘗試，但我預期分析成長將會就此大幅躍進，尤其是當其他公司及產業見證了早期採用者一舉獲得成功。

由於對烈酒類產品的需求可能起伏波動，酒品生產商將更依賴MPC等技術來幫助控制產量。若您想了解更多關於MPC及分析的好處，可以在此讀到更多關於它的資訊。